Stock Thesis Tracker — 持仓股跟踪器

一句话概括

围绕你的投资逻辑（Thesis），每天自动告诉你的持仓有没有变化需要关注。

怎么用（3 句话讲完）

1. 写逻辑：用自然语言告诉我每只股票的投资逻辑——"我看盐湖是因为锂价中枢抬升 + 钾肥战略属性"
2. 说「跟踪持仓」：我自动从 Wind 专业数据（行情/财务/公告/新闻/宏观/行业景气/板块大盘情绪）+ 知识星球（券商点评/外资研报/专家交流，看你这行今天在讨论什么、预期什么） + 行业信源多路抓增量，先拆清涨跌里多少是市场给的、多少是公司自己的，再逐条标注对你的逻辑是利好还是利空、市场有没有已经定价，异动了帮你溯源
3. 要审视时：说「审查这个逻辑」——我帮你找假设漏洞、反方论点、失效路径、隐藏风险，逼你重新想一遍

使用说明

日常跟踪

对 AI 说「跟踪持仓」或「跟踪 [标的名]」。AI 自动完成：

1. 先看市场：抓大盘/板块/主题指数，判断今天的风向和资金流向
2. 再看预期：扫知识星球当下热点（券商点评/外资研报/专家交流），看市场今天在讨论什么、预期什么
3. 再看景气：抓行业量价库存指标（EDB），判断生意本身在变好还是变差
4. 最后看个股：多路数据源抓增量信息，并拆出涨跌里多少是板块带的、多少是公司自己的
5. 逐条标注对你的逻辑是利好(+)还是利空(-)，市场是否已定价
6. 若满足异动判定任一条件（跌幅 ≥ 默认 5% 阈值 或 |z| ≥ 2σ），触发 7 维度异动溯源
7. 生成结构化日度报告（市场环境 + 今日热点 + 横截面快照 + 逐标的增量分析 + 一句话结论）
8. 更新每只标的的事件日志

示例对话：
> 你：跟踪持仓
> AI：[运行采集 → 分析 → 输出报告]

深度分析（每周）

对 AI 说「深度分析持仓」。在日度摘要基础上增加：
- 短/中/长期逻辑逐段验证（成立/需观察/边际削弱）
- 行业景气周期定位（更长序列的 EDB 量价库存，判断在产能/库存周期哪个阶段）
- 板块趋势与个股背离检查（板块涨而个股跌 = alpha 为负，要查原因）+ 板块估值历史分位
- 竞品横截面对比（估值分位、近期催化、财务横截面）
- 估值状态快照（当前 PE/PB 分位 vs 历史）
- 本周预期差全景

建议每周一执行一次。

建立新标的

直接告诉 AI：

> 「我要跟踪 XX 股票，代码 XXXX，投资逻辑是：[你的逻辑]」

AI 会自动完成所有配置：创建 thesis.md + 配置 portfolio.json + 自动匹配行业信源 + 拆解投资逻辑为跟踪清单。

也可以手动操作（见下方「上手准备」）。

拆解投资逻辑

对 AI 说「拆解 [标的名] 的投资逻辑」。AI 会将你的逻辑拆成：

日常跟踪时 AI 会按这个清单重点采集对应数据。

对抗式审查

对 AI 说「审查 [标的名] 的投资逻辑」。AI 会：

1. 逐条假设挑战——"这条逻辑成立需要什么前提？如果前提不成立最可能的原因？"
2. 搜集市场上反对这条逻辑的观点和论据
3. 列出最可能击穿你逻辑的 2-3 条具体事件链
4. 检查隐藏风险——逻辑对但赚不到钱的场景（估值陷阱、时间成本、杠杆风险等）

建议每月执行一次，或在重大市场事件后立即执行。

修改投资逻辑

直接告诉 AI 你想修改哪个标的的哪部分逻辑。AI 会更新 thesis.md，并自动重新拆解跟踪清单。

上手准备（AI 自动创建更简单，见上方「建立新标的」）

如果需要手动操作：

1. 复制 coverage/portfolio_example.json → portfolio.json，编辑为你的持仓
2. 复制 coverage/thesis_template.md 为每只标的写投资逻辑
3. pip install akshare pandas
4. 对 AI 说「跟踪持仓」

> v5.7 数据源优先级：Wind Alice（硬数据）+ 知识星球（市场预期，主源） 为必配；IMA 浑水知识库（id: 7297249738490228）可选——仅回溯完整研报原文时才需要，不添加则日常跟踪不受影响。

功能概览

数据源

> 已清理：旧版 search_config 配置块（含 ima_cninfo.folder_id 巨潮公告库路径）已从 portfolio.json 移除。公告统一走 Wind get_company_announcements，Wind 不可用兜底走 cninfo/hkexnews WebFetch。

Wind Alice 数据接入（v5.2 新增）

Wind Alice 是 AI 层的 MCP 工具，脚本层（fetch_data.py）无法调用。因此 Wind 作为 AI 层第一优先数据源，脚本三源链降为兜底。连接 Wind 连接器后，以下所有数据优先走 Wind。

windcode 规则

每只标的的 wind_code 已写入 portfolio.json，竞品的 competitors_wind_codes 也已预生成。

> 已知代码不一致（纳科诺尔）：symbol=688047（688 是科创板前缀，历史遗留错误），真实北交所代码是 em_code=920522。
> 处理规则（不要"修正" symbol）：symbol 维持 688047 不变——coverage/688047_纳科诺尔/ 文件夹路径、log.md、snapshot.json 全部依赖它，改动会牵动所有历史引用。所有外部数据源（Wind、行情接口）统一用 wind_code=920522.BJ / em_code=920522 绕开。脚本侧已由 exchange=北交所 正确推导（v4.0 修复）。

跟踪需求 → Wind 工具映射（核心）

效率要点

1. 一次 get_stock_price_indicators 批量调用即可拿到全部持仓的价格、涨跌幅、主力资金净流入、PE(TTM)、PB、股息率、总市值——原来要脚本+乐估+WebSearch 三个数据源拼。
2. indexes 字段值必须逐字取自工具可选值清单（如「涨跌幅」「市盈率(TTM)」「市净率(LF)」「近5日主力净流入额」），不能自造字段名。
   - ⚠️ 实测坑：用「市净率」返回 0.000，必须用「市净率(LF)」才返回真实值（LF=最新财报口径）。
   - 港股代码 Wind 会规范化为 4 位（00700.HK → 返回 0700.HK），传 00700.HK 或 0700.HK 均可。
3. 港股（腾讯 00700.HK）用同一套股票工具，代码 .HK 后缀。
4. 北交所（纳科诺尔）Wind 可能数据不全，若 get_stock_price_indicators 返回空，回退脚本腾讯行情（qt.gtimg.cn 含北交所）。
5. Wind 取价后必须落盘（见下方「价格落盘」），否则 snapshot.json 的 price_history 会断档。
6. 时间序列类工具必须控体积：get_stock_quote 单日约 240 条、get_stock_kline 长区间按天放大、natural_language_get_edb_data 宽泛词 318KB——三者都会撑爆上下文。规则：分钟级用 count=-20；K 线限定日期区间；EDB 一律两步走（见下）。
7. 指数快照支持超大批量的逗号分隔（实测一次取 18 个指数正常返回），大盘+行业+概念可以一次调用拿全，不必分批。但任一代码无效会导致整批失败，新代码先单独验证。
8. EDB 批量提数以最低频指标对齐（实测 S6137468,S5479685 取 observation=4 正常返回且体积小）。混合月频/年频指标时会按最低频补齐，别把日频和年频混在一次调用里。

⚠️ EDB 宏观指标：必须两步走（实测硬规则）

natural_language_get_edb_data 用 executionMode="搜索并提数" + 宽泛词会返回 318KB 直接 token 溢出（实测「碳酸锂价格」）。必须拆两步：

禁止：搜索并提数 + 宽泛词。仅提数 可逗号分隔多代码批量取：S5811336,D6067904。

指标代码一旦验证可用，固化进 portfolio.json 的 wind_edb_codes，下次直接「仅提数」，不再重复搜索。

已固化的盐湖股份指标（2026-09-21 实测验证）：

> ⚠️ 报价类指标要先查「是否僵死」：S5424440（盐湖到站价）自 2026-05-21 起连续 4 个月钉死在 3100 元/吨，任意时间取数都一样——这种指标没有边际信息量，用它做判断会得出"价格稳定"的错误结论。同期 S5470454 从 3090 走到 3075，才是可用的价格信号。取值后先看近 N 期是否完全相同，全等则视为僵死并在报告中标注。

> 实测样例（2026-09-18）：碳酸锂 S5811336 = 134,360 元/吨，较 8 月的 14.6 万继续下行——这类日频数据替代了原来 WebSearch 的碎片搜索。

行业基本面数据：从「个股指标」升级到「景气度」

> v5.5 设计原则：机构持仓是季频、滞后 1-2 个月的存量数据，且只反映"谁拿着"，不反映"生意好不好"。跟踪的价值重心应放在行业景气度——它高频、前瞻、直接驱动盈利预期修正。因此 v5.5 移除了机构持仓穿透模块，把 EDB 从「个股 thesis 指标」扩展为「行业景气指标组」。

景气指标六维框架

不要只盯一个价格。行业景气要多维交叉，单维数据会骗人（价格涨可能是供给收缩而非需求好）：

交叉判读矩阵（核心）

单一指标的方向没有意义，两维交叉才有信号：

> 「量」与「库存」在多数场景下互为镜像（卖得多 = 库存降），两列可互换使用——没有库存数据时用产量/销量代替。

> 实测样例（盐湖 2026-09）：碳酸锂价 13.4 万（较 8 月 14.6 万继续下行）+ 钾肥产量 70.14 万吨（较 5 月 89.51 万吨大幅回落）→ 锂端「价↓量↓」= 主动去库接近底部区间；钾肥端若只看产量会读成"供给收缩支撑价格"。

> ⚠️ 同一个标的可以同时有两个方向的信号，别急着下结论。加上钾肥端的价 × 库存交叉再看（2026-09-21 实测）：钾肥现货价 3090 → 3075 元/吨（微降），主要港口库存 367.5 → 391.92 万吨（连续 6 周累库，+6.6%）→ 落在矩阵「价↓ 库存↑」= 过剩/需求走弱，与"产量下滑利好"方向相反。
>
> 这正是矩阵的价值：只看产量会得出"供给收缩利好"，补上库存维度才发现港口在累库——进口钾肥供给充裕正在压制价格。
> 维度冲突时的优先级：价 + 库存（贴近当下成交）> 产量（月度滞后）。 库存是"当期卖不动"的直接证据，产量只是"产了多少"。

已验证的行业 EDB 指标库（固化进 portfolio.json）

natural_language_get_edb_data 用 executionMode="仅提数" + 以下代码，可逗号分隔批量取，observation=4~6 控体积：

> ⚠️ 四个实测坑：
> 1. 搜索词要「用行业通用词」，不要用化学名/学名——指标库的命名用的是行业口语，不是化工命名。实测：
> - 搜「钾肥」→ 命中 11 条（现货价 / 主要港口库存 / 分港库存 / 开工率 / 竞品库存）✅
> - 搜「氯化钾」→ 几乎命中不到有效指标 ❌
> 这和「搜行业词不搜公司名」是同一条原则的延伸：先想行业里大家怎么叫它，而不是它的化学名。
> 但也别走向另一个极端——另一个方向是太宽泛：搜「民航机场旅客吞吐量」返回 47 条（含一堆年频分机场垃圾）。目标是一个词能圈住 5-15 条。
> 2. magnitude 字段不可靠，以 unit/enUnit 为准。如 S6137468 的 magnitude 标 "mn" 但 unit 是 MWh，值 79000 = 79 GWh（符合中国月装车量常识）。
> 3. 固化前必须查 endDate——搜索结果 meta 里的 endDate 距今超过 1 年 = 已停更。实测「钾肥」返回的 11 条里有 4 条是死数据：开工率 S9987168/S9987257 停在 2023-12-31、赤湾港库存 S5444344 停在 2025-12-25、竞品库存 B2934380 是年频。光看名称会全部固化进来，白占配置。
> 4. 「无权限」≠「代码不存在」，两者报错行为不同：
> - 软剔除：返回 "受限指标已剔除：无权限：S9984052"，同批其他代码照常返回 → 不影响批量取数，剔除该条即可
> - 硬失败：代码写错 / 不存在 → 整批报错，全军覆没
> 所以看到软剔除不用慌；但代码本身写错会废掉整批，新代码仍须单独先试。

配置结构

portfolio.json 里两类 EDB 代码分开存放，用途不同：

日常跟踪必取行业景气（v5.5 起从"深度分析才取"提升为"日常必取"）——它比公告和新闻更早反映拐点。

板块与大盘情绪：三层归因（v5.5 新增）

个股每天的涨跌里，大部分是市场给的，不是公司给的。不拆开就会把 beta 当 alpha——涨了以为逻辑兑现，跌了以为逻辑破了。

指数代码速查（实测可用）

> 💡 概念指数可以用中文名直接查（实测传「固态电池指数」返回代码 8841671.WI）——记不住代码就传中文名，工具会回带 Wind 代码，验证后固化进配置。
> ⚠️ 批量查询一旦有一个代码无效，整批失败（实测「机场指数,免税指数,游戏指数,钾肥指数」因"免税指数"不存在全批报错）。未验证过的代码必须单独试。
> ⚠️ 指数「量比」字段实测全返回 0.000，不要用。

采集方式（一次调用拿全）

get_index_price_indicators(
  windcode="000001.SH,000300.SH,000905.SH,000852.SH,399006.SZ,899050.BJ,HSI.HI,HSTECH.HI,801030.SI,801730.SI,801760.SI,801890.SI,801170.SI,8841671.WI,884039.WI,884790.WI,8841082.WI,886029.WI",
  indexes="中文简称,最新成交价,涨跌幅,5日涨跌幅,20日涨跌幅,年初至今涨跌幅,成交额,换手率,上涨家数,下跌家数,平盘家数,当日主力净流入额,近5日主力净流入额,市盈率(TTM),市净率(LF)"
)

> 全部代码已验证，可安全批量。新增代码先单独验证再并入。

三层归因公式

个股涨跌幅 ≈ 大盘涨跌 + 板块相对强弱 + 个股特质（alpha）

用法：报告里每只标的都给这三个数。若「个股 alpha ≈ 0」说明今天只是跟着板块走，不构成 thesis 层面的信号，不要写进增量分析。

情绪打分卡（每日输出）

输出要求：报告开头必须有「市场环境」块（见下方报告模板），5 行以内说清——今天大盘怎么样、钱在往哪个板块流、我的持仓所在板块是顺风还是逆风。

波动率标尺：用个股自己的尺度判断今天算不算事（v5.9 新增）

为什么需要它：不同标的的日常波动能差 5 倍。实测 2026-10-09：

同一套固定阈值（如「跌 5% 才算异动」「|alpha| < 1pct 是噪声」）在这批标的上不是同一个意思：纳科一天 ±4.4% 是日常，5% 阈值几乎天天假报警；反过来厦门空港 2026-10-08 跌 3.18%（翔安方案落地）按 5% 不触发，但相对它自己 1.8% 的日常波动已是近 2σ 的真事件。用百分比做门槛 = 用同一把尺子量不同东西。

指标口径（脚本自算，update_volatility.py）

判读标准：

| |z_today| | 判定 | 动作 |
|---|---|---|
| < 1σ | 常态 | 不写进增量分析，不溯源 |
| 1 - 2σ | 偏大 | 正常跟踪，报告里点一句 |
| ≥ 2σ | 异常 | 触发 7 维溯源（即使没到 5%） |

用法

python scripts/update_volatility.py                            # 全部持仓
python scripts/update_volatility.py --symbol 600897            # 单只
python scripts/update_volatility.py --event 600897=2026-09-30  # 事件前后波动对比
python scripts/update_volatility.py --no-bench                 # 不取大盘基准

输出 reports/volatility_latest.json（单份覆盖）：每标的 + 两地大盘基准的 σ/年化/分位/z，以及 --event 的事前 20 日 σ vs 事后 σ。

数据源与坑（实测）

• 主源：东方财富 push2his 日线 fqt=1（前复权），300 根。覆盖 A股/北交所/港股（北交所 secid=0.920522 实测 260 行正常）。
• 备源：腾讯 web.ifzq.gtimg.cn 日线 qfq。⚠️ 北交所只返回 1 根，救不了北交所标的；东财偶发 Remote end closed（实测 1/6 概率），此时腾讯接管，结果差异 <0.03σ。
• 港股指数（100.HSI）在东财不通，基准恒指走腾讯 hkHSI。
• 盘中 bar 必须排除：脚本一律用 rows[:-1] 算 σ（当日 bar 未完成），只拿最后一根算当日涨跌幅。收盘后跑则最后一根是完整日线，JSON 会标 note。
• 事件窗口样本 <5 个交易日时 σ 估计不稳，脚本输出 warn，报告中要照抄这个提醒。

Wind 双轨：什么时候信谁

get_risk_metrics 给「过去 1 年年化波动率 / Beta / 最大回撤」，可与脚本交叉。但两处要当心：

1. 偶发返回空（实测 600897 首次返回「没找到数据」，换宁德正常，再问一次又正常）→ 不要因为 Wind 空就写"无数据"，跑脚本。
2. Beta 口径存疑：实测厦门空港「过去1年 Beta = 0.106」而「年化波动率 = 28.72%」——这两个数不可能同时成立。Wind Beta 的基准未明示，不要直接用于归因；要用 beta 就自己拿「个股 vs 沪深300」日收益回归。
3. 不一致时以脚本为准并标注：脚本口径完全透明（窗口=20/60、√252、前复权），可复现。Wind 值差 20% 以上时在报告里写 [口径差异] Wind年化X% vs 脚本Y%（窗口/复权可能不同）。

日内分钟走势：异动形态的第 6 个维度

异动溯源原来只有 5 个维度（公司/行业/竞品/大盘/资金），但都回答不了"这根阴线是怎么走出来的"。get_stock_quote 补上第 6 维：

{"windcode": "000792.SZ", "begin": "2026-09-18", "end": "2026-09-18", "count": -20}

> ⚠️ 体积控制：单日约 240 条，全量返回会撑爆上下文。必须传 count（负数 = 从结束时间往前取 N 条）。日常取 count=-20（尾盘 20 分钟）即可判断形态，最多 -60。

形态判读：

实测样例（盐湖 9/18）：14:39–14:57 平稳在 24.85–24.88，15:00 集合竞价单分钟成交 1.006 亿股、价格砸到 24.74——典型尾盘被动单冲击，而非全天资金出逃。这类信息收盘价完全看不出来。

价格落盘（Wind 时代必做）

Wind 接管行情后，fetch_data.py 的 update_snapshot() 不再被调用（它依赖脚本自己抓的价格）。若不落盘，snapshot.json 的 price_history 会断档——实测 2026-08-25 → 09-21 断了 27 天，导致「较上周」失去历史基准。

取到 Wind 价格后，执行：

# 1) 把 Wind 价格写成 JSON（键为 portfolio.json 的 symbol）
cat > reports/wind_prices.json <<'EOF'
{"000792": {"price": 25.01, "change_pct": 1.09, "source": "Wind"},
 "600897": {"price": 15.31, "change_pct": 1.26, "source": "Wind"},
 "300750": {"price": 299.63, "change_pct": -0.77, "source": "Wind"},
 "00700":  {"price": 426.80, "change_pct": 1.86, "source": "Wind"},
 "688047":{"price": 17.27, "change_pct": 0.12, "source": "Wind"}}
EOF

# 2) 落盘
python scripts/sync_snapshot.py --prices-file reports/wind_prices.json

脚本按日去重追加 price_history（保留最近 60 条），不触碰 thesis.md / log.md。

分层调用原则

• 日常跟踪：Wind 个股行情快照（1 次批量）+ 落盘 + 板块与大盘情绪快照（get_index_price_indicators 1 次批量取全部指数） + 行业景气指标 EDB（每标的 2-3 个，1 次批量） + Wind 公告/新闻（每标的 1-2 次）+ 知识星球双路采集（热点扫描 + 主题深挖，市场预期主源） + 行业信源 + WebSearch 补充（IMA 浑水可选）
• 深度分析：日常基础上加 get_stock_fundamentals（财务+估值分位）+ get_stock_events + get_stock_equity_holders（解禁时间表）+ get_index_fundamentals（板块估值/历史分位）+ get_index_kline（板块趋势 vs 个股趋势背离检查）+ get_financial_data（竞品财务横截面）
• 对抗式审查：深度基础上加 get_risk_metrics（Beta/波动率/最大回撤，量化隐藏风险） + get_stock_technicals + 行业景气指标的更长序列（判断周期位置：当前在产能周期的哪个阶段）
• 异动溯源 7 维度：公司层 get_company_announcements + 行业景气层 natural_language_get_edb_data + 竞品层 get_stock_price_indicators(竞品) + 大盘/板块层 get_index_price_indicators(含涨跌家数判宽度) + 资金层 get_stock_price_indicators(主力净流入) + 形态层 get_stock_quote(分钟走势，判尾盘突袭 vs 全天阴跌) + 圈内舆情层 zsxq-cli topic +search(口径变更/相反说法)

可选扩展：基金 / ETF / REITs 数据线（非个股持仓业务线）

> 本节不属于个股 Thesis 跟踪主流程，仅当用户从事基金/ETF/REITs 相关工作时按需启用。

Wind 的基金工具（10 个）可覆盖公募/ETF/REITs 全链路：

> ⚠️ get_fund_financials 的「区间」口径需确认（累计 or 年化），算分派率前先用 get_fund_info 核对成立日与分红条款。

市场预期采集：知识星球替代浑水（v5.7 重构）

v5.7 定位变更：「市场当下在讨论什么、预期什么」的第一来源改为知识星球，IMA 浑水降为可选。

浑水备用规则（被星球替代，仅在需要完整研报原文时调用）：搜索是话题驱动而非公司名驱动——
CATL/BYD/Tencent/Potash/ESS ✅ 有效；中文公司名（宁德时代）、股票代码（000792）、泛化词（锂矿/互联网）❌ 0 条。
> 核心原则：搜行业不搜公司。 这条对星球同样适用。

知识星球：市场预期与当下共识的主源（v5.6 新增，v5.7 定位升级）

定位：市场预期的一手载体（v5.7 升级）

星球里流动的就是卖方当天正在输出的东西——券商点评、外资研报摘要、专家交流纪要、异动快评。这正好回答了双层验证第二层最难的问题：市场当下在讨论什么、预期什么。

星球独有的三类信息：

1. 市场预期——当日券商点评里的目标价、业绩预测、"强CALL / 推荐 / 超预期 / 低于预期"措辞。这是预期差判定的原料，其他数据源都拿不到"当天版本"的卖方预期。
2. 叙事解释——数字背后的原因。实测样例（2026-09-11）：碳酸锂主力跌 4.99%，星球给出的解释是「SMM 启用新版库存统计口径，把贸易商/电芯厂纳入样本，周度库存一次性从 7 万余吨上修至 16.93 万吨」——旧口径"持续去库、现货紧缺"的叙事被改写为"隐性库存远超预期"。Wind EDB 只会给你库存数字，不会告诉你口径变了。
3. 即时点评——当日盘中券商点评、交易台纪要，比正式研报快 1-3 天。

内容类型识别：读懂标题就知道怎么用

实测（2026-09-21 group +topics --limit 30）返回的 30 条中，类型按标题特征清晰可分：

> 表情前缀是星球的标记习惯（🔥 [红包] [烟花] ❗️ 🍁），通常表示星主主推，不等于重要性更高——反而要警惕推销倾向。

可用星球（2026-09-21 实测，10 个里只有 2 个开通权限）

> 两个星球互补，都要跑：短评看「当下内资在说什么」（高频切片），基业长青看「外资研报和深度」（覆盖大半天）。
> 🔴 覆盖时长差 40 倍：短评 30 条只覆盖约 11 分钟——只看一次等于只看了一个瞬间。要覆盖更多时段需分多次采样（间隔几小时）。基业长青一次就够。
> 🔴 「文件」类型是盲区：部分条目标题就是「文件」（研报 PDF 附件），标题无法判断内容，做不了关键词匹配——只能 topic +detail 看描述，或直接跳过。实测基业长青 30 条里有 8 条是「文件」。

> 🔴 8/10 星球未开通 Skill 权限：思想钢印、看多君和他的朋友圈、FundTalk-精英路演、喵财君带你一起去探店、免费调研纪要研报投研快评、财经财富、自由讨论、换到新短评星球。调用 +topics / +search 一律报「该星球暂未开通 Skill 权限，如需使用可联系星主申请开通」。
> 处理：写进配置的 blocked 列表，不要反复重试。需要时让用户向星主申请开通，开通后把 group_id 从 blocked 移到 enabled 即可。
> 新增星球先跑一次 group +topics 探活，能返回再写进 enabled。

双路采集法：一路看「当下」，一路挖「主题」

两个接口能力不同，必须并用（topic +search --help 实测只有 group-id/query/json 三个参数，无排序、无时间过滤、无 limit）：

> 🔴 顺序不能反：先 group +topics 定「今天市场在说什么」，再 topic +search 挖具体主题。
> 只跑搜索会看不到当下热点——搜索按相关性排，最新一条也可能是一个月前的。

热点扫描怎么用：拿到 30 条标题后，按每只标的 zsxq_queries.hot_match 做标题匹配（不是再搜一遍），命中的即「今天有人在说我的行业」。一条都没命中就直接跳过，不要硬凑。

> 🔴 必须用 hot_match，不要用 keywords：热点标题只有十几个字，泛词会大量误命中。实测当日 30 条里出现 AI制药 / AI安全 / AI中长视频 / 通用AI厂商——用裸「AI」匹配会误报腾讯控股（实际与游戏/AI变现无关）。所以腾讯的 hot_match = 游戏/腾讯/版号/微信/AI应用/AI变现，而 keywords 仍保留 AI（供 topic +search 深挖用，搜索有正文可判相关性）。

四条硬规则（实测踩过）

1. 🔴 搜索没有时间过滤，按相关性排序——实测搜「锂」返回 2022-08、2022-12、2026-02、2026-04、2026-09，跨度 4 年。
   必须先看 CREATED AT：>30 天直接丢弃，不要读详情。 对星球内容，时效筛是强制的，不是可选的。

实测演示（2026-09-21 搜「钾肥」，12 条结果正好铺满三档）：

> 「藏格矿业收购刚果布钾盐矿」是盐湖股份的直接竞品动态，且落在增量窗口内——这类信息正是竞品公告交叉验证之外最有价值的补充。
2. 列表/搜索只给摘要（DIGEST 截断）——要全文必须 topic +detail。单条详情约 2KB，体积安全；但只对「≤7 天 + 与 thesis 相关」的主题取详情，不要批量 detail。
3. 搜行业词不搜公司名——与浑水同理。搜「碳酸锂」能命中盐湖相关的完整分析，搜「盐湖股份」命中率低。
🔴 也不要搜「预期」「目标价」这类元词——实测搜「预期」返回的全是无关跨年内容（沃尔调研 2024-07、NVIDIA 2024-05、CPI 2024-03）。市场预期要从券商点评的正文里「提取」，不是靠搜索词「搜」出来的。
4. 🔴 --limit 上限是 30（实测 31 即报 无效的count）。且高频星球的 30 条只覆盖约 1–2 小时（实测 13:01–14:17）——短评类星球一天发几百条，30 条只是一个时间窗口的切片，不是全天汇总。要覆盖更长时段就分多次跑。

调用方式

# 1) 热点扫描（先跑）：时间倒序，看「当下市场在讨论什么」。limit 上限 30，不可超
zsxq-cli group +topics --group-id 15552822254242 --limit 30

# 2) 主题深挖（后跑）：行业关键词搜索。搜行业词，别搜公司名，别搜「预期」
zsxq-cli topic +search --group-id 15552822254242 --query "固态电池"

# 3) 命中后取全文（只对 ≤7 天且相关的）
zsxq-cli topic +detail --topic-id 22258815182821211 --json

> Windows 环境两个坑：
> ① zsxq-cli 可能不在 PATH。定位顺序：先 Get-Command zsxq-cli；若为空，到 ~/.workbuddy/binaries/node/cli-connector-packages/node_modules/zsxq-cli/node_modules/ 下找 @zsxq/cli-<平台> 目录（Windows 为 cli-win32-x64，macOS 为 cli-darwin-arm64 等），其 bin/zsxq-cli 即为可执行文件，调用时写全路径。
> ② 输出是 UTF-8，PowerShell 捕获需先执行 [Console]::OutputEncoding = [System.Text.Encoding]::UTF8，否则中文全部乱码。

⭐ 数据口径变更预警（跨模块整合，最值钱的一点）

星球是唯一能提前告诉你"数据口径变了"的信源。口径一变，历史序列就断层，环比分析全部失效。

发现「调整统计口径 / 启用新样本 / 纳入新来源」时的处理：

1. 立即在报告的行业景气块标注 ⚠️ 口径变更 [日期]，写清变化方向（上修/下修/幅度）
2. 暂停该指标的环比解读，只做定性描述，等新口径积累 2-3 期后再恢复
3. 同步写进 portfolio.json 该指标的 note 字段，避免下次重复踩坑

> 实测案例：SMM 碳酸锂库存口径变更后，周度库存 7 万吨 → 16.93 万吨。不标注就会误判成"库存暴增 140% = 过剩利空"，实际是统计范围扩大，真实供需没变那么多。这类误判会直接导致 [-] 误标。

从星球提取市场预期（v5.7 核心）

这是星球不可替代的能力：拿到"当天版本"的卖方预期，而不是滞后的存量研报。

Step 1｜识别预期载体——券商点评（【券商+行业组】前缀）正文里找这些信号词：

Step 2｜热度 → 定价程度判定（[已定价] vs [未定价] 的可操作标准）：

Step 3｜纪律：

• 星球内容只能生成假设，必须经 Wind/公告/EDB 交叉验证，验证前一律标 [待验证]
• 卖方预期天然偏乐观（"强CALL"是推销话术），与 Wind 实际数据冲突时以 Wind 为准
• 报告中标注 [星球-星球名] + 内容类型（券商点评 / 专家交流 / 异动快评），便于回查可信度

> ⚠️ 星球内容质量参差、无署名责任，不能单独作为 thesis 判断依据。正确用法是用它生成假设 → 用 Wind 数据或公告交叉验证，验证前一律标 [待验证]。

行业信源自动查表（v5 新增）

系统根据标的 industry 字段自动从 portfolio.json 顶层的 industry_sources 映射表获取行业信源，无需手动配置。

映射规则

• 标的声明 industry: ["基础化工/钾肥化肥", "有色金属/锂业/碳酸锂"]
• 系统先试子级 key（精确定位），不命中回退父级
• 每个行业 key 含 3 类信源：协会/官方 + 数据/价格平台 + 行业媒体
• AI 层逐站用 WebSearch site:[站名] [关键词] 定点搜索（共 6-9 站/标的）

搜索策略分支

预置覆盖 13 个父级行业（基础化工、电力设备/新能源、互联网/传媒等）+ 12 个子行业（钾肥化肥、锂电设备、速冻预制菜等），新增标的只需声明 industry 即可自动对号入座。

执行流程（MUST 强顺序）

每次执行「跟踪持仓」时，必须严格按以下顺序执行，不可跳过：

Step 1：数据采集（Wind 优先，脚本兜底）

1. 板块与大盘情绪快照（先行，定环境）：读 portfolio.json 的 market_indexes.watchlist + 每标的 wind_index_codes（benchmark / sector_sw / themes），去重后合并为一份代码清单，get_index_price_indicators 一次批量取全，indexes 取「中文简称,最新成交价,涨跌幅,5日涨跌幅,20日涨跌幅,年初至今涨跌幅,成交额,换手率,上涨家数,下跌家数,平盘家数,当日主力净流入额,近5日主力净流入额,市盈率(TTM),市净率(LF)」。据此先算好「大盘涨跌 / 板块相对强弱 / 市场宽度」，后面分析个股时才知道哪些波动是市场给的。⚠️ 新指数代码未验证前必须单独调用试错，不能混进批量（一个无效代码整批失败）。
2. Wind 个股行情快照：get_stock_price_indicators 批量查询全部持仓（wind_code 逗号分隔），indexes 取「最新成交价,涨跌幅,近5日主力净流入额,市盈率(TTM),市净率(LF),股息率,总市值1」。若 Wind 断开或返回空 → 回退 fetch_data.py --mode all（脚本三源链：价格+异动+AKShare新闻+PB+公告源导出）
3. 价格落盘（不可跳过）：把上一步 Wind 价格写成 reports/wind_prices.json（键为 symbol），执行 python scripts/sync_snapshot.py --prices-file reports/wind_prices.json。不做这步 price_history 会断档，「较上周」失去基准。
4. 行业景气指标 + Thesis 指标取数（EDB，两类都取）：
   a) 行业景气：读 portfolio.json 顶层 industry_edb_codes，按每标的 industry 取 2-3 个景气指标（executionMode="仅提数"，observation=4~6）。v5.5 起为日常必做项——行业量价库存比公告更早反映拐点。优先取「价 + 库存」两个维度（才能跑交叉判读）；只有单维度时在报告中说明无法交叉。
   b) 个股 thesis 指标：读 holdings[].wind_edb_codes，取 thesis ★★★ 指标序列（observation=6~10）。
   c) 取完先做「数据体检」（3 秒，但能避免误读）：
   • 僵死？ 近 N 期数值完全相同 → 是滞后挂牌价，无边际信息量，改用有波动的同类指标，并在报告「指标可用性」行标注
   • 停更？ endDate 距今 > 1 年 → 剔除不用
   • 无权限？ 报错含 受限指标已剔除 → 剔除该条（同批其他不受影响），并在配置中标注
     d) 按「交叉判读矩阵」做两维交叉（价 × 库存 / 价 × 量），不要只报单一指标的方向；两维冲突时以价+库存优先（贴近当下成交 > 月度滞后）。
     禁止用「搜索并提数」+宽泛词（会 318KB 溢出）。无固化代码时，先「仅搜索」找代码并回填配置——搜索词用行业通用词（如「钾肥」），不要用化学名（如「氯化钾」）；也不要过宽（返回几十条垃圾）。
5. 公告采集（Wind 优先，两轮）：
   a) 标的公告：get_company_announcements（query="[标的名] 最新公告"，top_k=5）。Wind 不可用 → 读 announcement_sources.json 用 cninfo/hkexnews WebFetch（仅取标题+日期）
   b) 竞品交叉公告：读 holdings[i].competitors_a / competitors_global，优先用 competitors_wind_codes（已预生成 .SZ/.SH/.BJ 后缀）作为 query 提高命中率；对每个竞品 get_company_announcements（top_k=5），合并为"[标的]+竞品公告流"。报告中标注 [Wind-竞品名] 区分来源
6. 财经新闻（Wind 优先）：get_financial_news（query="[标的名]"，top_k=5）；Wind 不可用 → AKShare/WebSearch 兜底
7. 知识星球（市场预期主源，双路采集）：读 portfolio.json 的 zsxq_groups.enabled（跳过 blocked），对每个可用星球：
   a) 热点扫描（先跑）：group +topics --limit 30（上限 30，31 会报 无效的count）。拿标题后按每标的 zsxq_queries.keywords 做标题匹配——命中的即「今天有人在说我的行业」。
   b) 主题深挖（后跑）：topic +search --query [行业关键词]（行业词；不搜公司名，不搜「预期」）。
   时效筛强制：按 CREATED AT 筛——>30 天直接丢弃不读详情，≤7 天才 topic +detail 取全文（单条约 2KB）。
   重点提取四类信息：① 市场预期——券商点评里的目标价/业绩预测/「超预期」措辞（走「从星球提取市场预期」流程）；② 数据口径变更（命中则走「口径变更预警」流程）；③ 与卖方研报相反的圈内说法；④ 专家交流的产业链一手信息。
   全部标注 [星球-星球名] + 内容类型（券商点评/专家交流/异动快评），未经 Wind/公告交叉验证前一律标 [待验证]。
8. IMA 浑水（可选，v5.7 降级）：仅在需要完整研报原文时才调用（如某条星球点评需回溯研报全文）。日常预期差判定已由第 7 步覆盖，不必每次跑。若跑：搜行业关键词（不搜公司名），is_end=false 或数据截断时用 next_cursor 逐页取，累计 5-10 条后停止，避免 token 溢出。
9. 读 portfolio.json 的 industry_sources 和每标的 industry 字段，自动查表获取对应行业协会/数据平台/媒体站点 → 按站点类型选择搜索策略：SEO 可见站用 site:[站名] [关键词]，paywall/JS 渲染站用 [站名] [关键词]（去 site: 限制）。
10. 并行 WebSearch 补充（competitor + thesis_trigger + consensus_search）
11. 波动率标尺（脚本，一次全组合）：python scripts/update_volatility.py（需事件对比时加 --event SYM=YYYY-MM-DD），读输出的 reports/volatility_latest.json。Step 3 做归因前先看它——同一天的涨跌在低波动票上是信号、在高波动票上可能只是呼吸。

Step 2：时效筛 ← 关键步骤，不可跳过

在写入报告之前，逐条检查所有采集到的信息的日期。
- 日期 ≤ 7 天 → 放入「增量信息标注」
- 日期 8-30 天，且仍影响 Thesis → 放入「已知事实」
- 日期 > 30 天 → 丢弃，不写入报告
- 如果一条信息没有明确日期 → 标记为「日期未确认」放在已知事实区

豁免：以下属于状态数据（描述当前状态而非事件），不走时效筛，直接进估值/风险快照区——
Wind 的 PE/PB/市值/股息率、估值历史分位、Beta/波动率/最大回撤、股东结构与解禁时间表、大盘/板块指数行情与情绪指标（涨跌幅/涨跌家数/主力净流入/换手率）、EDB 行业景气指标当前值。
（这些数据的"最新更新日期"在 Wind 返回的 updateDate 字段，若距今 > 30 天需标注「数据陈旧」。）

时效筛检查清单：在生成每只标的的报告前，先回答——"这条信息的原始发布日期是哪天？距离今天几天了？属于哪个区域？"

Step 3：双层分析

每条款式标注：

[日期 来源] 事件 → [+] / [-] / [0]  ← Thesis影响
                  → [超预期] / [符合预期] / [低于预期] / [已定价] / [未定价]  ← 预期差

Step 4：生成报告

严格按下方强制模板输出。 横截面表的列名和顺序不可改变。

Step 5：更新 log.md

追加关键事件的日志到每只标的的 coverage/{标的}/log.md。

数据源降级矩阵

> 核心原则：数据源断了不能导致报告不生成。降级后标注，不停机。

Wind 不可用时的公告/行情降级接口（v5.9 实测可用）

Wind connector 未连上时（表现为 ToolSearch 找不到 mcp__wind-finance__*、DeferExecuteTool 报 not found），不要干等，直接切这两个 HTTP 接口（2026-10-08 实跑验证）：

① 公告列表（免 Key，返回 JSON）

https://np-anotice-stock.eastmoney.com/api/security/ann?page_size=50&page_index=1&ann_type=A&client_source=web&stock_list=600897&f_node=0&s_node=0

• stock_list 填纯数字代码（沪深通用）；page_size 最大 50
• 关键字段：notice_date（披露日）、art_code（正文 ID）、columns[].column_name（公告类型，用它快速筛这批在讲什么事）、title_ch
• ⚠️ Bash 直接 curl 中文会 GBK 乱码 → 用 Python urllib 抓 + decode('utf-8') 后写文件，再用 Read 工具读，不要靠 stdout

② 公告全文（拿 art_code 换正文，够读关联交易/框架协议的条款和数字）

https://np-cnotice-stock.eastmoney.com/api/content/ann?art_code=AN202609301830055487&client_source=web&page_index=1

• 取 data.notice_content，剥 HTML 标签后即得全文
• ⚠️ PDF 类公告（年报全文、审计报告、部分估值报告）返回的是空壳，提取不到正文 → 遇到这类改用同类「摘要」公告 / 相关议案公告取数，不要在这上面反复重试
• 📌 同一控制下追溯调整公告、法案的「提示性公告」、临时股东会通知往往藏着主线，务必一并读

③ 价格兜底（腾讯行情，沙箱可达率最高）

https://qt.gtimg.cn/q=sh600897,sh600004,sh000001     # 快照：现价/昨收/今开/PE/PB/市值/换手
https://web.ifzq.gtimg.cn/appstock/app/fqkline/get?param=sh600897,day,,,15,qfq   # 15日前复权K线

• 快照为 ~ 分隔的一维串，用图标注对照解析；sh/sz/bj 前缀
• K 线 JSON：data['sh600897']['qfqday']
• ⚠️ 多个代码批量时任一代码无效不影响其他（与 Wind 整批失败相反，这也是它的好处）

强制输出模板（MUST）

A0. 市场环境与板块情绪（MUST，放在报告最顶部）

先看市场，再看个股。5 行以内说清今天的风向：

## 市场环境 — YYYY-MM-DD

| 层级 | 指数 | 涨跌幅 | 5日 | 20日 | YTD | 涨跌家数 | 主力净流入(5日) |
|------|------|--------|-----|------|-----|---------|---------------|
| 大盘 | 上证指数 | | | | | 1663涨/620跌 | |
| 大盘 | 沪深300 / 恒生指数 | | | | | | |
| 板块 | [标的所属申万行业] | | | | | | |
| 主题 | [相关概念指数] | | | | | | |

**一句话**：[市场宽度 0.68 = 普涨 / 缩量分化 / 放量下跌]；资金[流入/流出][XX]板块；我的持仓所在板块今日[顺风/逆风]，跑[赢/输]大盘 [X]pct。

必答三问（答不上来说明 Step 1 第 1 步没做）：
1. 今天是普涨还是普跌？（市场宽度 = 上涨家数 /（上涨+下跌））
2. 钱在往哪个板块流？（对比各板块 5 日主力净流入 + 板块相对强弱）
3. 我的持仓今天是板块带的还是自己的？（个股 alpha = 个股涨跌幅 − 板块涨跌幅）

A0.5 今日市场在讨论什么（MUST，星球热点扫描）

紧跟市场环境。用 group +topics --limit 30 的标题匹配结果，说清「今天卖方在聊什么、预期什么」，并标出与持仓相关的部分：

**今日圈内热点**（[星球名]，30 条覆盖 HH:MM–HH:MM）：[主题1] / [主题2] / [主题3] …

| 命中持仓 | 内容类型 | 要点 | 预期信号 |
|---------|---------|------|---------|
| 宁德时代（动力电池） | 券商点评【XX电新】 | [一句话] | 目标价 XX元 / 预计26年净利 XX亿 |
| 纳科诺尔（固态电池） | 专家交流 | [一句话] | [待验证] |

**与持仓无关的热点**：[一句话，如「今日热点集中在 AI制药/机器人刀具，与持仓无关」]

规则：
- 一条都没命中就写「今日圈内热点与持仓无关」，不要硬凑——热点不在你的行业是正常且有价值的信息（说明今天没有行业级催化）
- 「预期信号」列只填正文中真实出现的目标价/业绩预测/共识措辞，没有就留空或写「无明确预期」
- 同一主题若被 ≥3 家券商同时覆盖 → 在「预期信号」标 [已定价]；仅 1 条且无券商 → [未定价]

放在市场环境之后。列名和顺序不可变：

• 「板块涨跌」：该标的所属申万行业指数（或最贴近的概念指数）当日涨跌幅
• 「个股alpha」：个股涨跌幅 − 板块涨跌幅。|alpha| < 1pct 视为噪声，不写进增量分析（并行参考：|alpha| < 0.5σ20 也在个股自身尺度上属于噪声，两只取严者）
• 「较上周」：与上一个交易周收盘的累计涨跌幅
• 「预期差信号」：选择最显著的预期差标注（超预期/低于预期/未定价/符合预期）

B. 每只标的章节

## [标的名] (代码) 每日跟踪摘要

### 涨跌归因（MUST）
- 大盘贡献：[基准指数] [X]%
- 板块贡献：[板块指数] [Y]% − 大盘 [X]% = [Z]%
- 个股 alpha：个股 [A]% − 板块 [Y]% = [B]%
- 判断：[今天主要是市场/板块在动，公司层面无新信息] 或 [跑赢/跑输板块 B pct，需查原因]

### 波动位置（MUST）
- 自身尺度：σ20 [X]%（年化 [Y]%） / σ60 [Z]% → 波动比 [R]（>1.2 抬升 / <0.8 收敛）
- 今日定位：涨跌幅 [A]% ÷ σ20 = **z = [N] 倍** → [常态<1σ / 偏大1-2σ / **异常≥2σ**]
- 一年分位：[P]%（0% 极度平静 = 变盘前夜；100% 一年最躁）
- 大盘参照：[沪深300/恒指] σ20 [B]%、今日 [C]% → [今天主要是市场在动 / 个股独立行情]
（数据来自 `reports/volatility_latest.json`；脚本取不到时降级用 Wind `get_risk_metrics` 的年化波动率，手算 z = 涨跌幅 ÷ 年化/√252，并标注「估算」）

### 行业景气（EDB，MUST）
| 指标 | 最新值 | 上期 | 环比 | 维度 |
|------|--------|------|------|------|
| [如 动力电池装车量] | 79,000 MWh | 74,600 | +5.9% | 量 |
| [如 碳酸锂价格] | 134,360 元/吨 | ... | ... | 价 |
**交叉判读**：[价↑量↓ → 主动去库，接近底部] / [价↓库存↑ → 过剩，最差组合]（用交叉判读矩阵，不要只报单一方向）
**⚠️ 口径变更**：[无] 或 [例：SMM 碳酸锂库存 2026-09-11 启用新口径，7万吨→16.93万吨，本期环比暂停解读]
**⚠️ 指标可用性**：[全部正常] 或 [例：S5424440 连续 4 个月恒为 3100 = 僵死报价，价格判断改用 S5470454；S9984052 无权限已剔除]（取到僵死/停更/无权限数据时必须在此标注，避免误读成"价格稳定"）

### 增量信息标注（≤7天）
[日期 来源] 事件描述
  → Thesis: [+] / [-] / [0]
  → 预期差: [超预期] / [符合预期] / [低于预期] / [已定价] / [未定价]

### 预期差检查
- 市场共识：[当前市场一致预期的核心假设]
- 偏差发现：[新信息与市场共识之间的差距在哪里？]

### 已知事实（8-30天持续背景）
[仍在影响Thesis但超过7天的关键信息]

### 失效条件状态
[逐条检查，标注是否触发]

### ⚠️ 股价异动溯源（仅触发阈值时）
7维度：公司公告 / 行业景气(EDB量价) / 竞品联动 / 大盘板块(三层归因) / 资金流向 / 分时形态 / 圈内舆情

### 一句话结论
> [Thesis判断] + [预期差判断]

C. ⚠️ 异动溯源（触发阈值时）

满足以下任一条件时必须输出完整 7 维度溯源（两条规则并行，不可省略为普通跟踪格式）：

> 只满足 b 不满足 a 时，通常意味着个股自身事件而非普跌，直接锁定第 1 维（公告/公司）和第 7 维（圈内舆情）。
> 两条都不满足时不要溯源——把日常呼吸当成信号是另一种噪声。

先做归因再溯源——如果三层归因显示 alpha ≈ 0（跟着板块走），则第 1、3 维度基本可排除，重点查 2、4、5：

深度分析模式（周度/事件触发）

触发方式：说「深度分析持仓」。每周一自动执行。

内容要求

深度模式 = 日度摘要骨架 + 以下 4 个额外维度：

1. 短/中/长期逻辑逐段验证
- 对 thesis.md 中每段逻辑，写明当前状态：“成立 / 需观察 / 边际削弱”
- 引述本周增量信息作为证据

2. 竞品横截面对比
- 当前价格位置、估值分位、近期催化对比表
- 回答：“相对竞品，我的持仓被高估还是低估？”

3. 估值状态快照
- 当前 PE/PB 分位 vs 历史分位
- 当前隐含的长期增长预期 vs 我的 thesis 假设
- 标注：“当前估值在定价什么故事？”

4. 预期差全景
- 市场共识（EPS/目标价/关键假设）vs 我的判断
- 本周新增的预期差有哪些？有哪些旧预期差被修复了？

Wind 调用清单（深度模式额外调用）

日常跟踪的 Wind 数据不够支撑深度分析，额外调用：

输出格式

# 持仓股深度分析 — YYYY-MM-DD

## 全景透视
[所有标的的横截面对比表 + 预期差矩阵]

## 逐标深度分析
### [标的1]
#### 短/中/长篇逻辑逐段验证
#### 竞品对比
#### 估值快照
#### 本周预期差

### [标的2] ...

频率

• 常规：每周一 08:00 自动执行（模型 deepseek-V4-Pro）
• 手动：市场有重大事件时手动触发

文件结构

项目根目录/
├── coverage/
│   ├── portfolio.json           ← 持仓配置 + industry_sources + market_indexes + industry_edb_codes + zsxq_groups + zsxq_expect_terms
│   ├── market_pb_latest.json    ← 全市场PB分位（单份）
│   └── {代码}_{名称}/
│       ├── thesis.md            ← 投资逻辑（必填）
│       ├── log.md               ← 边际变化流水账（自动追加）
│       ├── snapshot.json        ← 价格快照 + price_history
│       └── news_latest.json     ← AKShare新闻快照
├── scripts/
│   ├── fetch_data.py            ← 数据采集脚本 v4.1（兜底链 + 公告源导出）
│   ├── sync_snapshot.py         ← Wind 价格落盘（v5.3，防 price_history 断档）
│   └── update_volatility.py     ← 波动率标尺 v5.9（σ20/60、z_today、波动比、一年分位、事件前后对比）
└── reports/
    ├── YYYY-MM-DD_daily.md      ← 日度分析报告
    ├── fetch_report_latest.json ← 脚本采集汇总（覆盖）
    ├── intraday_latest.json     ← 盘中异动检测
    ├── volatility_latest.json   ← 波动率标尺输出（v5.9，覆盖，含各地大盘基准）
    ├── announcement_sources.json← 公告源导出（AI层消费）
    └── wind_prices.json         ← Wind 价格中间文件（供 sync_snapshot 消费）

Thesis 拆解模式（新建/修改投资逻辑时）

触发方式

• 用户说「拆解 [标的名] 的投资逻辑」
• 用户新建或修改 thesis.md 后主动询问是否需要拆解
• 输入：thesis.md 中用户写的投资逻辑文本 OR 用户口述的逻辑

拆解流程（MUST 顺序）

Step T1：提取关键假设
从用户的短/中/长期逻辑中逐段提取隐含假设。每条假设表述为"如果 X 成立，则 Y 成立"。区分三个时间维度。

Step T2：映射为可跟踪指标
将每条假设拆解为可量化、可观测的数据指标。每个指标标注：
- 优先级：★★★（核心，每期必看）/ ★★（重要，每周看）/ ★（参考，月度看）
- 数据来源：具体网站或报告（优先从 industry_sources 查表匹配）
- 跟踪频率：日度/周度/月度

Step T3：构建数据清单
按类别（价格/需求/供给/政策/竞争）组织为结构化表格，包含指标名称、优先级、信源建议。写入 thesis.md 底部的「跟踪数据清单」章节。

示例（盐湖 v2 拆解结果）

[用户输入] 锂价中枢抬升：需求端全球电车+储能IRR拐点，供给端资本开支萎缩+边际成本12万

[拆解输出]
需求-电车：全球新能源车月度销量 ★★★ → 乘联会/SNE
需求-储能：中国储能IRR及容量电价 ★★★ → 国家能源局
供给-资本开支：全球锂矿资本开支数据 ★★★ → IEA/机构研报
供给-成本线：江西锂云母边际成本 ★★ → SMM/百川盈孚

完整的盐湖 v2 拆解结果参考 coverage/000792_盐湖股份/thesis.md 底部的「跟踪数据清单」。

对抗式审查模式（审视投资逻辑）

触发方式

• 用户说「审查 [标的名] 的投资逻辑」
• 用户说「对抗式审查持仓」
• 重大市场事件后用户要求重新审视逻辑

审查流程（MUST 顺序）

Step A1：逐条假设挑战
对 thesis.md 中每条短/中/长期逻辑，依次执行以下检查：
1. 隐含假设显性化——"这条逻辑成立需要哪些前提？"
2. 假设失效测试——"如果这个前提不成立，最可能的原因是？"
3. 未明说的信仰——"作者没说出来但默认相信的是什么？"

Step A2：反方论点矩阵
为每只标的构建市场反方观点表。来源包括：知识星球里的看空/分歧观点（搜行业词，重点找与卖方主流相反的说法）、浑水研报中的看空观点、财报中的风险提示、行业竞争者的威胁、WebSearch 的负面讨论。

Step A3：最可能失效路径分析
列出 2-3 条最可能击穿 thesis 的路径（不是泛泛的不利情况，而是具体的事件链），并评估每条路径的触发概率。

Step A4：隐藏风险清单
找出那些"逻辑正确但可能赚不到钱"的场景：

• 估值陷阱：基本面正确，但市场永远不给合理估值（如市场把"稳定盈利"当"没有增长"）
• 时间成本：逻辑需要 3-5 年兑现，但持仓期只有 12-18 个月
• 杠杆/仓位风险：正确的逻辑被融资盘/仓位管理放大为亏损
• 相关性风险：标的与大盘/板块高度相关，Beta 掩盖 Alpha（用三层归因验证：连续 10 个交易日个股 alpha 均 < 1pct，说明你买的其实是板块 beta，不是这家公司）
• 流动性风险：小市值标的即使逻辑兑现也无法顺利退出

先用 Wind 量化，再定性判断（不要凭感觉估）：

get_risk_metrics(question="查询 [标的1](代码)、[标的2](代码) 过去1年的Beta、年化波动率和最大回撤")

一次批量返回全部持仓，可直接支撑上表后三项：

> 实测基准（2026-09-21，过去1年）：纳科诺尔 Beta 1.67 / 波动率 61.6% / 回撤 -70.2%；宁德时代 1.02 / 33.6% / -34.1%；盐湖股份 1.00 / 44.6% / -39.4%。——纳科诺尔是三只里风险最极端的，此前只定性说"北交所流动性差"，有了数据才知波动是宁德的 1.8 倍。

Step A5：生成审查报告
输出结构化报告，包含：

# 对抗式审查 — [标的名] ([代码])

## 一、逐条假设挑战
[对短/中/长期每条逻辑的挑战分析]

## 二、反方论点矩阵
[表格：反方观点、来源、可信度、冲击评估]

## 三、最可能失效路径 Top 3
1. [具体事件链] — 触发概率: X%
2. [具体事件链] — 触发概率: X%
3. [具体事件链] — 触发概率: X%

## 四、隐藏风险
- [估值陷阱/时间成本/杠杆风险/相关性风险/流动性风险]

## 五、综合评分
- 逻辑稳健度: ★★★☆☆ (评估整体逻辑结构)
- 反方说服力: ★★★☆☆ (反方论点的杀伤力)
- 隐藏风险: ★★★☆☆ (风险严重程度)
- 建议：保持 / 减仓观察 / 重新审视

使用原则

• 不替你决策——审查报告是镜子，不是命令
• 必看隐藏风险——"逻辑正确但赚不到钱"比"逻辑错误导致亏损"更隐蔽
• 定期执行——建议每月一次，或重大市场事件后立即执行

核心分析框架：双层验证

第一性原理

持仓跟踪的本质目的不是"验证自己是对是错"，而是识别市场定价与客观现实之间的偏差。

可操作的信号 = (新信息 vs 你的Thesis) + (新信息 vs 市场共识)

两层验证

预期差判定

对于每条增量信息，不仅标注对 Thesis 的影响，还需判断市场是否已经定价：

重要：一条信息可能同时是 [+]利好Thesis 但 [已定价]，这意味着它对股价已经没有推动力。最值钱的信号是 [+]利好Thesis + [未定价]——这是买入窗口。

如何获取市场共识

1. 知识星球（v5.7 主源，当日版本）：
   a) 券商点评正文——提取目标价、业绩预测、超预期/低于预期 措辞，以及 市场担心 / 普遍认为 / 一致预期是 这类直述共识的句子（罕见且珍贵，可直接作为第二层基准）。
   b) 讨论热度——判断「已定价 vs 未定价」的可操作代理：同一主题当天被 ≥3 家券商覆盖 = [已定价]；仅 1 条提及、无券商跟进 = [未定价]（最值钱的窗口）。详见「从星球提取市场预期」。
   ⚠️ 星球内容只生成假设，必须经 Wind/公告/EDB 交叉验证，验证前标 [待验证]；与 Wind 实际数据冲突时以 Wind 为准（卖方天然偏乐观）。
2. 浑水研报（可选）：需完整研报原文或外资视角时，从目标价和一致预期中提取
3. WebSearch：搜索 [标的] 一致预期 2026 EPS 券商 目标价 [标的]
4. 近期价格：价格本身隐含了市场当前定价
5. 估计修正方向：最近一个月 EPS 估计是上调还是下调？（修正方向比绝对值更重要）

> ⚠️ 旧版 portfolio.json 的 search_config 字段已移除，不要引用它。v5.7 起共识预期主源改为知识星球券商点评（当日版本），辅以 WebSearch「[标的] 一致预期 EPS 目标价」；Wind 侧可用 get_stock_fundamentals 问「一致预期净利润」补充。浑水仅在需完整研报原文时调用。

重要原则

1. 围绕 Thesis 分析 — 所有结论必须映射回你的投资逻辑
2. 增量思维 — 只关注边际变化，不重复已知信息
3. 失效条件优先 — 首先检查 Thesis 的失效条件是否被触发
4. 预期差优先于方向 — [+]利好+[已定价]不如[0]中性+[未定价]有价值
5. 不替你做决策 — 提供分析框架，买卖由你决定
6. 时效纪律 — 每日摘要只展示最近 7 天增量，老数据放背景区

依赖

• Wind Alice 连接器（第一优先数据源：行情/财务/公告/新闻/事件/股东/宏观/指数/EDB）
• 知识星球连接器 zsxq-cli（推荐：市场预期主源——券商点评/外资研报/专家交流；10 个星球只有 2 个开通权限，见 zsxq_groups 配置。全部不可用则降级 WebSearch + 行业信源）
• IMA MCP 连接（可选：浑水调研知识库，v5.7 起仅用于回溯完整研报原文，日常已被知识星球替代；巨潮公告库已由 cninfo WebFetch 替代）
• Python 3.8+ (pip install akshare pandas) — 仅脚本兜底需要，Wind 可用时非必需
• 网络连接（脚本三源链 + cninfo + hkexnews + WebSearch）